深層学習に基づく金属的グラフの認識に関する研究

人工知能は画像認識とセグメンテーションに広く応用され、顕著な成果を上げています。しかし、材料科学の分野における応用は比較的限られています。金属組織学は、金属および合金のマクロおよびミクロ構造を特徴づけるための重要な技術であり、材料特性を相関させる上で重要な役割を果たしています。したがって、本研究では金属的画像の認識のための深層学習技術の利用を調査します。本研究では、ASMデータベースからダクタイル、グレー、ホワイトの3種類の典型的な鋳鉄と、もう1つの合金である鋳アルミニウム合金の顕微鏡画像を選択し、認識調査を行います。これらの画像はトレーニングのためにカットされ、強化されました。材料の粗い分類に加え、材料の細分化分類、組成、顕微鏡、倍率、エッチャントなどの画像取得条件が行われました。MobileNetV2ネットワークがトレーニングと予測のモデルとして採用され、精度を向上させるためにImageNetが事前トレーニング用のデータセットとして使用されました。金属組織画像は、訓練されたニューラルネットワークによって15のカテゴリに分類されることができました。細分類の検証と予測の精度はそれぞれ94.44%および93.87%に達しました。これは、ニューラルネットワークが顕微鏡、倍率、エッチャントなどの詳細と付随する組成を補足して、材料の種類を識別する潜在能力があることを示しています。